脑-控车辆的脑-机交互与控制方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61374192
  • 项目类别：
    面上项目
  • 资助金额：
    79.0万
  • 负责人：
    毕路拯
  • 依托单位：
    北京理工大学
  • 学科分类：
    F0302.控制系统与应用
  • 结题年份：
    2017
  • 批准年份：
    2013
  • 项目状态：
    已结题
  • 起止时间：
    2014-01-01 至2017-12-31

项目摘要

This proposal focuses on two core questions (brain-machine interaction and vehicle control methods) of brain-controlled vehicles that are controlled by "minds" of drivers. It includes the following parts. 1) We propose a new brain-computer interface (BCI) with visual stimuli presented on a head-up display and further analyze the effects of the head-up display on the performance of the BCI. 2) Based on this developed new BCI, a hybrid BCI is then proposed to infer the driving intents from EEG. 3) Since the performance of a BCI is limited, we investigate the effects of the limitations of the BCI on the performance of brain-controll vehicles, and further propose an adaptive control model of brain-controlled vehicles by integrating a hybrid BCI, a cognitive computational model of driving behavior, and surrounding information,to improve the overall performance of brain-controlled vehicles, and explore the influences of these factors aforementioned on the performance of this control model. 4) The brain regions and brain wave characteristics associated with driver reaction under emergency situations are examined and a new braking control method to address emergency situations is proposed based on these characteristics so as to improve the safety of driving. In theory, this project can advance the studies on basic questions and key techniques of brain-controlled vehicles and can help discover cortex neural representation and cognitive mechanism of driver behavior. In practice, the findings of this project can be able to help the disabled people employ the EEG to control vehicles so as to expand their scope of mobility and improve their quality of life. Also, the findings have the potential to facilitate the development of human-centered intelligent assistance driving systems to better assist drivers and thus to improve the safety and performance of driving.
本项目围绕由驾驶员"意念"直接控制的车辆－脑控车辆的两个关键问题(脑机交互和控制方法)展开研究。提出一种新的基于车辆抬头显示的脑机交互模式，揭示车辆抬头显示对脑机交互性能的影响规律，建立通过脑电信号识别驾驶意图的多模式（混合）脑机接口方法。由于脑机交互的性能总是受限，本项目分析脑机交互性能对脑控车辆系统性能的影响规律，通过融合多模式脑机接口、驾驶行为认知模型以及环境信息建立脑机交互条件下的车辆自适应控制方法，揭示各因素对控制系统性能的影响机理；探索紧急情况下驾驶员反应所对应的大脑区域和脑电模式，建立应对紧急情况的车辆制动控制方法。理论方面，可促进脑-控车辆的基础问题和关键技术研究，有助于发现驾驶行为大脑皮层的神经表达和认知机理。应用方面，可使残疾人利用脑电信号直接控制车辆,提高他们的移动能力,更可帮助发展智能辅助驾驶系统，提高驾驶安全和性能。

结项摘要

脑-控车辆研究是智能车辆和脑-机接口的前沿领域。脑-控车辆的研究涉及车辆动力学、人机工程学、信息与控制科学以及脑与神经科学等多种学科。在理论方面，脑-控车辆的关键问题研究有助于发现驾驶行为大脑皮层的神经表达和认知机理，也可以促进脑机一体化的基础理论研究。在应用方面，脑－控车辆的研究能够使残疾人通过脑电信号直接控制车辆，提高其移动能力，也可以帮助发展以人为中心的智能辅助驾驶系统，提高正常驾驶员的驾驶安全和驾驶性能。此外，该研究也可能用于对军用车辆等装备进行辅助控制，提高士兵的作战能力。因此，脑－控车辆的研究具有重要的科学意义和实际应用价值。. 本项目围绕脑-控车辆的人车交互与控制两个关键问题展开研究。主要研究内容包括：面向车辆目的地选择的多模态脑-车交互模型及环境因素对其性能的影响规律；在静态强环境约束条件下基于多模态脑-机接口的车辆运动控制；紧急状况下脑控驾驶员刹车意图的脑电表征、解码及检测。. 本项目取得如下的创新性成果：.1. 提出了一种基于车辆抬头显示系统的脑机接口，在此基础上建立了一种新的混合P300和SSVEP脑电信号的多模态脑-车交互方法，并开发了基于该方法的车辆目的地选择系统。实验室和真实汽车和道路环境条件下测试结果都表明该系统的准确率大约99％。.2. 发现了光照度和噪音对基于脑电信号车辆目的地选择系统性能的影响规律。研究结果表明噪音对系统性能有显著性影响；光照度对系统能能的影响不显著。.3. 建立了一种面向车辆运动控制的混合SSVEP和Alpha 的多模态脑机接口，设计了相应的车辆运动控制模型，并在模拟驾驶仪上验证了只用脑电信号控制车辆运动的可行性。.4. 从幅值、功率谱和脑连通性三方面，探索了驾驶员紧急刹车意图的脑电表征，建立了基于优化特征的脑电解码模型。进一步，以脑电解码模型为基础，通过融合车辆状态信息开发了运动意图检测系统，模拟驾驶仪在线实验结果表明系统的检测准确率大于92%。

项目成果

期刊论文数量（7）
专著数量（0）
科研奖励数量（2）
会议论文数量（12）
专利数量（8）
A Brain-Computer Interface-Based Vehicle Destination Selection System Using P300 and SSVEP Signals
使用 P300 和 SSVEP 信号的基于脑机接口的车辆目的地选择系统
  • DOI：
    10.1109/tits.2014.2330000
  • 发表时间：
    2015-02-01
  • 期刊：
    IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS
  • 影响因子：
    8.5
  • 作者：
    Fan, Xin-an;Bi, Luzheng;Liu, Yili
  • 通讯作者：
    Liu, Yili
Queuing Network Modeling of Driver EEG Signals-Based Steering Control
基于驾驶员脑电图信号的转向控制的排队网络建模
  • DOI：
    10.1109/tnsre.2016.2614003
  • 发表时间：
    2017-08-01
  • 期刊：
    IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING
  • 影响因子：
    4.9
  • 作者：
    Bi, Luzheng;Lu, Yun;Liu, Yili
  • 通讯作者：
    Liu, Yili
Using a Head-up Display-Based Steady-State Visually Evoked Potential Brain-Computer Interface to Control a Simulated Vehicle
使用基于平视显示器的稳态视觉诱发电位脑机接口来控制模拟车辆
  • DOI：
    10.1109/tits.2013.2291402
  • 发表时间：
    2014-06-01
  • 期刊：
    IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS
  • 影响因子：
    8.5
  • 作者：
    Bi, Luzheng;Fan, Xin-an;Liu, Yili
  • 通讯作者：
    Liu, Yili
Development of a Driver Lateral Control Model by Integrating Neuromuscular Dynamics Into the Queuing Network-Based Driver Model
通过将神经肌肉动力学集成到基于排队网络的驾驶员模型中开发驾驶员横向控制模型
  • DOI：
    10.1109/tits.2015.2409115
  • 发表时间：
    2015-10-01
  • 期刊：
    IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS
  • 影响因子：
    8.5
  • 作者：
    Bi, Luzheng;Wang, Mingtao;Liu, Yili
  • 通讯作者：
    Liu, Yili
Detecting Driver Normal and Emergency Lane-Changing Intentions With Queuing Network-Based Driver Models
使用基于排队网络的驾驶员模型检测驾驶员正常和紧急变道意图
  • DOI：
    10.1080/10447318.2014.986638
  • 发表时间：
    2015-02
  • 期刊：
    International Journal of Human-Computer Interaction
  • 影响因子：
    4.7
  • 作者：
    Bi Luzheng;Wang Cui-e;Yang Xuerui;Wang Mingtao;Liu Yili
  • 通讯作者：
    Liu Yili

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

平滑伪Wigner-Ville分布在脑电信号提取中的应用
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    微计算机信息
  • 影响因子：
    --
  • 作者：
    毕路拯;黄漫玲;吴平东;刘莹
  • 通讯作者：
    刘莹

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

毕路拯的其他基金

多任务模式下基于脑电信号的上肢运动意图解析与人机协同
  • 批准号：
  • 批准年份：
    2019
  • 资助金额：
    60 万元
  • 项目类别：
    面上项目
脑控载人移动机器人的脑控机理与关键技术研究
  • 批准号：
    51575048
  • 批准年份：
    2015
  • 资助金额：
    64.0 万元
  • 项目类别：
    面上项目
驾驶行为的认知计算模型研究
  • 批准号：
    61004114
  • 批准年份：
    2010
  • 资助金额：
    20.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码